Zobrazeno 1 - 7
of 7
pro vyhledávání: '"Réseaux logiques de Markov"'
Autor:
Rincé, Romain
Publikováno v:
Modeling and Simulation. Université de nantes, 2018. English
Complex Event Processing (CEP) consists of the analysis of data-streams in order to extract particular patterns and behaviours described, in general, in a logical formalism. In the classical approach, data of a stream – or events – are supposed t
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______2592::186bee78e6dcf9a1e4e6ea996f177a25
https://tel.archives-ouvertes.fr/tel-01983311
https://tel.archives-ouvertes.fr/tel-01983311
Autor:
Rincé, Romain
Publikováno v:
Modeling and Simulation. Université de nantes, 2018. English
Complex Event Processing (CEP) consists of the analysis of data-streams in order to extract particular patterns and behaviours described, in general, in a logical formalism. In the classical approach, data of a stream – or events – are supposed t
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______212::186bee78e6dcf9a1e4e6ea996f177a25
https://tel.archives-ouvertes.fr/tel-01983311
https://tel.archives-ouvertes.fr/tel-01983311
Autor:
Manfredi, Guido
Cette thèse traite des problèmes de modélisation, reconnaissance, localisation et utilisation du contexte pour la manipulation d'objets par un robot. Le processus de modélisation se divise en quatre composantes : le système réel, les données c
Externí odkaz:
http://www.theses.fr/2015TOU30386/document
Publikováno v:
Actes de la conférence RFIA 2012
RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle)
RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3
HAL
Conférence Reconnaissance des Formes et Intelligence Artificielle RFIA) 2012
Conférence Reconnaissance des Formes et Intelligence Artificielle RFIA) 2012, Jan 2012, Lyon, France
RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle)
RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3
HAL
Conférence Reconnaissance des Formes et Intelligence Artificielle RFIA) 2012
Conférence Reconnaissance des Formes et Intelligence Artificielle RFIA) 2012, Jan 2012, Lyon, France
Session "Posters"; National audience; Cet article compare deux approches pour la reconnaissance des Activités de la Vie Quotidiennes (AVQ) dans un habitat intelligent : - une approche SVM utilisée pour son excellente capacité de classification, -
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::4a330067794e0a44ca4b24d62dec9fd3
https://hal.archives-ouvertes.fr/hal-00656557/file/rfia2012_submission_83.pdf
https://hal.archives-ouvertes.fr/hal-00656557/file/rfia2012_submission_83.pdf
Autor:
Dinh, Quang-Thang
Un réseau logique de Markov est formé de clauses en logique du premier ordre auxquelles sont associés des poids. Cette thèse propose plusieurs méthodes pour l’apprentissage de la structure de réseaux logiques de Markov (MLN) à partir de donn
Externí odkaz:
http://www.theses.fr/2011ORLE2047/document
Autor:
Dinh, Quang-Thang
Publikováno v:
Other [cs.OH]. Université d'Orléans, 2011. English. ⟨NNT : 2011ORLE2047⟩
A Markov Logic Network is composed of a set of weighted first-order logic formulas. In this dissertation we propose several methods to learn a MLN structure from a relational dataset. These methods are of two kinds: methods based on propositionalizat
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______212::67ffcae25110645825818dc4a19f4ae3
https://tel.archives-ouvertes.fr/tel-00659738
https://tel.archives-ouvertes.fr/tel-00659738
Publikováno v:
Proceedings of the Ninth International Conference on Machine Learning and Applications
ICMLA 2010
ICMLA 2010, Dec 2010, Washington DC, United States. pp. 163-168
ICMLA
ICMLA 2010
ICMLA 2010, Dec 2010, Washington DC, United States. pp. 163-168
ICMLA
Markov Logic Networks (MLNs) combine Markov Networks and first-order logic by attaching weights to first order formulas and viewing them as templates for features of Markov Networks. Learning a MLN can be decomposed into structure learning and weight
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::c2233a74e746e85b1e0133e7cd81dc79
https://hal.archives-ouvertes.fr/hal-00553007
https://hal.archives-ouvertes.fr/hal-00553007